30 Jahre Mauerfall Mehr erfahren
Goldstaub

7.6.2019 | Von:
Markus Spiekermann

Chancen und Herausforderungen in der Datenökonomie

Die rapide Entwicklung neuartiger Informations- und Kommunikationstechnologien – vom Internet der Dinge über Cloud-Computing bis zu künstlicher Intelligenz – zwingt Unternehmen dazu, traditionelle Geschäftsmodelle zu überdenken und zu erneuern. Die Menge an verfügbaren Daten und Informationen durch intelligente Maschinen, Sensoren, Finanztransaktionen, Social Media und viele andere Quellen nimmt exponentiell zu.

Der Begriff "Datenökonomie" steht dabei für den Grundgedanken, Daten als Wirtschaftsgut zu verstehen und in eigenständigen Geschäftsmodellen zu monetarisieren. Der Bedeutungsanstieg von Daten als Wirtschaftsgut und Treiber für Innovationen und Wachstum zeigt sich im Transformationsprozess unterschiedlichster Domänen sowohl im Bereich der Geschäftsbeziehungen zwischen Unternehmen (B2B) als auch im Bereich der Geschäftsbeziehungen zwischen Unternehmen und Endkunden (B2C). Durch geeignete Analysen können Daten zur Entdeckung neuartiger Zusammenhänge genutzt werden und somit geschäftlichen wie auch sozialen Mehrwert liefern.

Im Folgenden werde ich zunächst näher darlegen, was unter Datenökonomie zu verstehen ist. Anschließend werde ich auf die sich verändernde Rolle von Daten als wirtschaftliche Ressource eingehen, um dann die Potenziale und Herausforderungen für Unternehmen in der Datenökonomie zu skizzieren.

Was ist Datenökonomie?

Unter data economy sind alle Aspekte rund um die Auswertung und wirtschaftliche Nutzung von Daten zu verstehen. Konkret ist dabei der Einfluss der Daten auf die Wirtschaft als Ganzes zu betrachten, was personenbezogene und nicht personenbezogene Daten einschließt. Was die Möglichkeiten der wirtschaftlichen Nutzung angeht, gibt es entscheidende Unterschiede zwischen diesen beiden Datenformen, da gerade personenbezogene Daten verschiedenen rechtlichen Regelungen, beispielsweise der Datenschutzgrundverordnung (DSGVO), unterliegen und ein verantwortungsvoller Umgang mit diesem sensiblen Datentyp unabdingbar ist. Wertschöpfungsketten im Bereich der Datenökonomie umfassen die Generierung, die Sammlung, die Speicherung, die Verarbeitung und Analyse bis hin zur abschließenden Verwertung oder Löschung der Daten. Entlang der Wertschöpfungsketten kommen digitale Technologien, Methoden und Algorithmen zum Einsatz, die einen Mehrwert aus den Daten realisieren und neue Geschäftsmodelle, Produktionsmöglichkeiten, Prozessoptimierungen und Verbesserungen in der Kundenbindung ermöglichen.

Die Kommerzialisierung und Monetarisierung von Daten ist bereits voll im Gange. Der Begriff der Datenmonetarisierung ist dabei auf den klassischen Handel mit Daten zurückzuführen. Mit dem Wachstum des Internets und insbesondere Social Media und E-Commerce werden immer mehr Adressdaten von Personen und Unternehmen gehandelt. Heute "zahlen" die Konsumentinnen und Konsumenten (bewusst oder unbewusst) häufig mit ihren Daten im Tausch gegen zusätzliche Dienstleistungen wie individuelle Produktvorschläge, Navigation oder Kommunikationsfunktionen.

Doch mit Datenökonomie sind nicht nur die wirtschaftliche Verwertung und Vergütungsmodelle von personenbezogenen Daten gemeint. Durch die digitale Transformation und die steigenden Datenmengen – bedingt durch Konzepte der Industrie 4.0 und sich bildenden digitalen Ökosystemen in verschiedenen Industriesektoren wie dem produzierenden Gewerbe, der Agrarwirtschaft und vor allem dem Informations- und Telekommunikationssektor – steigt auch die Verfügbarkeit nicht personenbezogener Daten an. Auftrags-, Maschinen-, Prozess- und Transaktionsdaten werden gesammelt, verarbeitet, verwertet und in den digitalen Wertschöpfungsketten monetarisiert.

Die Charakterisierung von Daten als Schlüsselressource lässt sich dabei als Zeichen einer fundamental neuen Wirtschaftsepoche deuten. So wie das Kapital unsere Gesellschaft von der Agrar- hin zur Industriegesellschaft verändert hat, so werden auch Daten unser aller Leben gewissermaßen auf den Kopf stellen – nur dass diese Veränderungen sowohl wirtschaftlich als auch gesellschaftlich noch tief greifender sein werden. Das autonome Fahrzeug, das selbstständig fährt, oder aber der intelligente Kühlschrank, der eigenständig Milch und andere Produkte bestellt, sind nur zwei lebensnahe Beispiele für viele Veränderungen, die uns bevorstehen.

Daten als wirtschaftliche Ressource

Seit der Einführung der elektronischen Datenverarbeitung und der Automatisierung von Produktionsprozessen in Unternehmen steigt die Bedeutung von Daten für unternehmerischen Erfolg kontinuierlich an. Bereits in den 1960er und 1970er Jahren wurden Informationssysteme zur Unterstützung einzelner Unternehmensfunktionen eingesetzt. Warenwirtschaftssysteme dienten beispielsweise der Unterstützung von Lagerprozessen und den Mitarbeiterinnen und Mitarbeitern bei der Suche nach Artikeln im Lagerbestand. Da der eigentliche Wertbeitrag jedoch ausschließlich durch physische Produkte erzielt wurde, nahmen die Daten eine rein unterstützende Rolle ein.

Mit der Verbreitung datengestützter Planungssysteme in den 1980er und 1990er Jahren, die eine bedarfsgerechte und unternehmensweite Planung von Ressourcen ermöglichten, entwickelten sich Daten zum Befähiger des unternehmerischen Geschäftsprozessmanagements. Daten wurden immer mehr zur strategischen Ressource für die Leistungserbringung von Unternehmen, vor allem in den Bereichen Produktion, Service und Logistik. So stellt beispielsweise das sogenannte process mining eine Methodik bereit, um interne Prozesse zu optimieren. Hier ergeben sich insbesondere Potenziale im Bereich der Durchlaufzeiten, der Prozesskosten, der Prozessstabilität, aber auch die Sicherstellung von Compliance-Anforderungen, zum Beispiel was die Einhaltung gesetzlicher Regularien betrifft. Ein anderes Beispiel ist das sogenannte predictive maintenance, also die vorrausschauende Wartung von Maschinen und Geräten, die auf der Auswertung von Maschinendaten basiert. Umweltdaten können helfen, Ausfälle vorherzusagen, Stillstände zu vermeiden und damit letztendlich Kosten zu sparen.

Ungefähr seit dem Jahrtausendwechsel bieten Unternehmen zunehmend Produkte an, deren Existenz überhaupt nur durch die Verwendung großer und qualitativ hochwertiger Datenmengen möglich ist. Beispiele sind Google Maps, das Transportangebot von Uber, die Leasing- und Fleet-Management-Modelle von Hilti sowie viele weitere Smart Services für unsere persönlichen Lebenslagen. In den vergangenen Jahren ist eine Produktisierung der Daten selbst zu erkennen. Der Kauf und Verkauf von Daten auf sich bildenden Datenmarktplätzen oder Plattformen mit entsprechenden Angeboten werden wie bei klassischen Produkten nach standardisierten Volumen- oder Zeiteinheiten angeboten und abgerechnet. Daten sind nicht länger nur Befähiger und Unterstützer anderer Produkte, sondern mittlerweile das Produkt selbst.

Auf dem Weg in die heutige Datenökonomie lassen sich drei unternehmerische Entwicklungsetappen ausmachen. In einem ersten Schritt wurden klassische Geschäftsmodelle um digitale Prozesse erweitert: Unternehmen digitalisierten ihre Vertriebs- und Kommunikationswege durch die Einführung von E-Commerce-Shops und ermöglichten so einen zusätzlichen digitalen Absatz ihres Wertangebots. In einem zweiten Schritt erstreckte sich die Digitalisierung auf die Produkte selbst: Klassische Produkte wie beispielsweise Bohrmaschinen, Bücher, Zahnbürsten oder Fußbälle wurden um digitale Komponenten erweitert, indem Sensorik zur Generierung von Daten und Funktechnologien zur Datenübertragung verbaut wurden. Hierdurch wurde es Unternehmen auch möglich, einen direkten Kundenkontakt nach dem eigentlichen Verkaufszeitpunkt aufrechtzuerhalten und somit individuell zugeschnittene Zusatzdienstleistungen zu verkaufen. In einem dritten Schritt wurden schließlich rein digitale Geschäftsmodelle entwickelt, die sich durch eine rein digitale Wertschöpfung sowie ein rein digitales Wertangebot und Ertragsmodell auszeichnen: Unternehmen in dieser Ebene konzentrieren ihr Kerngeschäft auf den Umgang mit Daten und Informationen. Dies bezieht sich auf die Generierung, Aggregation und Analyse von Daten. Der Besitz und das Eigentum von physischen Vermögensgegenständen, deren Anschaffung und Wartung im Vergleich zu Daten sehr kostenintensiv ist, ist hierfür nicht notwendig, was den entsprechenden Unternehmen ein sehr rasches Wachstum und hohe Skalierbarkeit ermöglicht.

Ein Blick auf die Unternehmensgründungen in Deutschland verdeutlicht dies: Die heutige Start-up-Szene wird klar von digitalen Geschäftsmodellen dominiert. 37,8 Prozent der deutschen Unternehmensgründungen basieren auf Softwareentwicklung und anderen Softwareangeboten, weitere 12,9 Prozent auf anderen digitalen Dienstleistungen. Insgesamt setzen 68,4 Prozent der Start-ups auf digitale Geschäftsmodelle. Wenig überraschend sind die meisten jungen Unternehmen in der Informations- und Kommunikationstechnologiebranche angesiedelt. Doch auch in den Branchen Ernährung und Nahrungsmittel, Medizin und Gesundheit, Automobile, Logistik und Verkehr sowie Freizeit und Sport zeigen die digitalen Geschäftsmodelle das unternehmerische Potenzial der Datenökonomie.[1]

Fußnoten

1.
Vgl. Tobias Kollmann et al., Deutscher Startup Monitor 2018. Neue Signale, klare Ziele, Berlin 2018.
Creative Commons License

Dieser Text ist unter der Creative Commons Lizenz "CC BY-NC-ND 3.0 DE - Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 Deutschland" veröffentlicht. Autor/-in: Markus Spiekermann für Aus Politik und Zeitgeschichte/bpb.de

Sie dürfen den Text unter Nennung der Lizenz CC BY-NC-ND 3.0 DE und des/der Autors/-in teilen.
Urheberrechtliche Angaben zu Bildern / Grafiken / Videos finden sich direkt bei den Abbildungen.